融合交互注意力网络的实体和关系联合抽取模型OA北大核心CSTPCD
Joint Entity Relation Extraction Model Based on Interactive Attention
实体关系三元组的抽取效果直接影响后期知识图谱构建的质量,而传统流水线式和联合式抽取的模型,并没有对句子级别和关系级别的语义特征进行有效建模,从而导致模型性能的缺失.为此,提出一种融合句子级别和关系级别的交互注意力网络的实体和关系联合抽取模型RSIAN,该模型通过交互注意力网络来学习句子级别和关系级别的高阶语义关联,增强句子和关系之间的交互,辅助模型进行抽取决策.在构建的中文旅游数据集(TDDS)的Precision、Recall和F1值分别为0.…查看全部>>
Entity relationship triples extraction effect has a direct impact on the construction of knowledge graphs in the later stage.The traditional pipeline and joint extraction models do not effectively model the semantic features at sentence level and relationship level,which leads to the lack of model performance.To this end,a joint entity and relation extrac-tion model RSIAN that fuses the semantic features at the sentence level and relation level is proposed,w…查看全部>>
郝小芳;张超群;李晓翔;王大睿
广西民族大学 电子信息学院,南宁 530006广西民族大学 人工智能学院,南宁 530006||广西混杂计算与集成电路设计分析重点实验室,南宁 530006广西民族大学 电子信息学院,南宁 530006广西民族大学 电子信息学院,南宁 530006
计算机与自动化
交互注意力网络句子级别关系级别实体和关系联合抽取注意力机制重叠三元组
interactive attention networksentence-levelrelationship-leveljoint extraction model of entity and relationattention mechanismoverlapping triple
《计算机工程与应用》 2024 (8)
156-164,9
国家自然科学基金(62062011)广西自然科学基金(2019GXNSFAA185017)广西民族大学研究生科研创新项目(gxun-chxs2021066).
评论